Article Per Year (5 Year)
p-Index From 2021 - 2026
2.891
P-Index
This Author published in this journals
All Journal VALENSI Voteteknika (Vocational Teknik Elektronika dan Informatika) BAREKENG: Jurnal Ilmu Matematika dan Terapan INTECOMS: Journal of Information Technology and Computer Science Jiko (Jurnal Informatika dan komputer) Jurnal Kartika Kimia Jurnal ICT : Information Communication & Technology JATI (Jurnal Mahasiswa Teknik Informatika) Informatics and Digital Expert (INDEX) Journal of Applied Computer Science and Technology (JACOST) International Journal of Quantitative Research and Modeling Jurnal Informatika Teknologi dan Sains (Jinteks) IJESPG (International Journal of Engineering, Economic, Social Politic and Government) journal Jurnal Matematika Integratif Jurnal Sains dan Kesehatan
Melina Melina
Jurusan Teknik Informatika, Fakultas Sains Dan Informatika, Universitas Jenderal Achmad Yani
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Physics Social Sciences Transportation

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : INTECOMS: Journal of Information Technology and Computer Science

 1 
Prototipe Penentu Sudut Elevasi Lengan Meriam Secara Nirkabel Menggunakan Motor Langkah Berbasis Mikrokontroler Endang Rosdiana; Rahmat Awaludin Salam; Reza Fauzi Iskandar; Dudi Darmawan; Ahmad Marjan; Octo Emerald Siregar; Melina Melina; Vivien Restianim; Dewi Novianti; Valentina Adimurti Kusumaningtyas
INTECOMS: Journal of Information Technology and Computer Science Vol 4 No 1 (2021): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v4i1.2116

Abstract

Permasalahan yang biasa timbul pada pengendalian lengan meriam adalah kurangnya akurasi sudut yang terbentuk dan faktor keamanan dari operator meriam itu sendiri. Dengan mendisain suatu sistem kendali berbasis komputer yang dapat menghitung dengan teliti dan cepat, serta memanfaatkan teknologi nirkabel permasalahan itu dapat diatasi. Prototipe yang dibuat ini cukup sederhana, terdiri dari komputer dengan Bluetooth terpasang, modul bluetooth, mikrokontroler, motor langkah dan rangkaian elektrik penggerak motor langkah. Motor langkah digunakan untuk menggerakkan sistem mekanis baik secara vertikal maupun horizontal. Dari data pengukuran diperoleh karakteristik alat ini yaitu akurasi sudut vertikal lebih baik saat sudut elevasi melebihi 14.5⁰, sedangkan akurasi sudut horizontal lebih kecil saat sudutelevasi melebihi 180⁰, untuk tingkat kepresisian alat, sudut vertikal memiliki nilai ketidakpastian 0 sehingga untuk pengulangan dengan kondisi yang sama diperoleh nilai yang sama, sedangkan untuk sudut horizontal nilai ketidakpastian akan semakin besar saat sudut elevasi lebih dari 180⁰. Prototipe ini bekerja cukup baik dengan jarak maksimum antara komputer dan motor langkahnya 7 meter tanpa ada media penghalang, dengan tidak mempengaruhi sudut elevasi yang terbentuk
Klasifikasi Telemarketing Menggunakan Naïve Bayes Classification Dan Wrapper Sequential Feature Selection Eina, Muhammad Fikri; Chrisnanto, Yulison Herry; Melina, Melina
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i4.10846

Abstract

Telemarketing merupakan strategi pemasaran penting dalam industri perbankan. Namun, efektivitasnya memerlukan pemahaman mendalam tentang faktor-faktor yang mempengaruhi keputusan nasabah. Analisis data menjadi kunci dalam memahami perilaku nasabah terhadap produk bank yang ditawarkan, dengan tantangan utama adalah seleksi fitur yang relevan dari dataset besar. Penelitian ini mengembangkan model klasifikasi menggunakan Naïve Bayes Classification yang dikombinasikan dengan metode seleksi fitur Wrapper Sequential Feature Selection (WSFS) pada dataset Bank Marketing. Tujuannya untuk membandingkan akurasi klasifikasi Naïve Bayes dengan dan tanpa seleksi fitur WSFS. Identifikasi subset fitur paling berpengaruh dalam memprediksi keputusan nasabah diterapkan dengan WSFS, dilanjutkan dengan klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa penerapan WSFS signifikan meningkatkan akurasi model klasifikasi Naive Bayes dalam memprediksi keputusan nasabah memilih produk deposito, dengan akurasi sebesar 77.87%. Evaluasi tambahan menggunakan metrik precision, recall, dan F1-score juga menunjukkan peningkatan yang konsisten setelah menggunakan WSFS. Penelitian ini berkontribusi dalam mengoptimalkan strategi telemarketing di industri perbankan.
Teknik Pengamanan Data Menggunakan Algoritma Advance Encryption Standard Dengan Common Event Format Untuk Meningkatkan Keamanan Log Jaringan Azhari, Moch Dzikri; Hadiana, Asep Id; Melina, Melina
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i4.10849

Abstract

Perkembangan pesat dalam teknologi informasi menuntut perlindungan yang lebih terhadap keamanan data dan pertukaran data dalam dunia digital. Ancaman keamanan pada jaringan dapat terjadi dari berbagai sumber sehingga perlu teknik untuk melindungi informasi yang berpindah antar jaringan komputer yang saling terhubung. Keamanan log jaringan menjadi langkah yang sangat penting untuk memperkuat keamanan jaringan tersebut. Log jaringan adalah catatan atau rekaman aktivitas yang terjadi di dalam jaringan komputer, mencakup informasi seperti percobaan akses tidak sah, aktivitas pengguna, dan peristiwa penting lainnya. Penelitian ini bertujuan untuk mengevaluasi seberapa efektif penggunaan algoritma Advanced Encryption Standard (AES) dalam mengamankan data log jaringan dengan menggunakan metode enkripsi dan dekripsi yang menerapkan Common Event Format (CEF) untuk meningkatkan keamanan data log jaringan yang dienkripsi pada CEF. Algoritma AES merupakan sebuah chiper untuk menjaga kerahasiaan dan integritas data. Sedangkan, CEF berfungsi untuk menyederhanakan proses pencatatan peristiwa yang terkait dengan keamanan serta untuk menggabungkan beragam log dari berbagai sumber ke dalam satu sistem. Penelitian ini dapat memberikan kontribusi penting dalam pengembangan teknik keamanan yang lebih efektif pada data log jaringan.
Penanganan Outlier Pada Metode Algoritma K- Nearest Neighbors (KNN) Dengan Metode Kernel Density Estimation Pada Kasus Penyakit Diabetes Razaki, Adam; Chrisnanto, Yulison Herry; Melina, Melina
INTECOMS: Journal of Information Technology and Computer Science Vol 7 No 4 (2024): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v7i4.10866

Abstract

Penyakit diabetes merupakan tantangan kesehatan global yang memerlukan penanganan serius. Deteksi dini dan prediksi diabetes sangat penting untuk mencegah komplikasi serius. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi penyakit diabetes dengan menangani outlier yang dapat memengaruhi akurasi model klasifikasi dan meminimalkan kesalahan prediksi. Pada penelitian ini, algoritma K-Nearest Neighbors (KNN) yang efektif untuk klasifikasi data digabungkan dengan Kernel Density Estimation (KDE) untuk identifikasi outlier. Dataset yang digunakan pada penelitian ini terdiri dari 2.000 data sample diabetes yang telah melalui proses preprocessing, transformasi, normalisasi, deteksi outlier dengan KDE, imputasi outlier dengan median, klasifikasi dengan KNN, dan evaluasi dengan confusion matrix. Hasil penelitian ini menunjukkan bahwa penggunaan KDE dan imputasi outlier berhasil meningkatkan performa model pada semua metrik evaluasi. Hasil terbaik diperoleh pada model KNN dengan nilai , rasio dataset 90%:10%, yang menunjukkan peningkatan akurasi dari 90% menjadi 92%. Diharapkan hasil penelitian ini dapat memberikan kontribusi dalam deteksi dini penyakit diabetes.
Co-Authors Agus Komarudin Agus Komarudin Ahmad Marjan Akbar Mulya Hadi Ali, Moch. Dzikri Azhari Asep Rizaludin Azhari, Moch Dzikri Benedictus Benny Sihotang Cecep Jamaludin Devitri Amisa Dewi Novianti Diana Lupitasari Dudi Darmawan Eddie Khrisna Putra Eina, Muhammad Fikri Emia Rosta Br. Sebayang Endang Rosdiana Fahmi Yusron Fiddin Farhan Fadilah Fuji Astari, Dhea Hadiana, Asep Id Herlina Napitupulu Hernandi Sujono Ilyas, Rid Kasyidi, Fatan Komarudin, Agus Levi Sabili, Naufal Lia Dewi Juliawaty Lia Dewi Juliawaty Monica, Taris Muthmainah, Sekar Ghaida Nia Sri Hardianti Norizan Mohamed Octo Emerald Siregar Oktaviani, Ayu Nur Putra, Eddie Krishna Rahmat Awaludin Salam Rakhmat Umbara, Fajri Razaki, Adam Restianim, Vivien Reza Fauzi Iskandar Rezky Yuniarti Ridwan Ilyas Senadi Budiman Sukono Sukono Sukrido Sukrido Tanjung, Irvan Tia Setiawati Valentina Adimurti Kusumaningtyas Wina Witanti Yana Maolana Syah Yana Maolana Syah Yuliana, Trisna Yulison Herry Chrisnanto